目录

一、概述

1.1原理

1.2实现步骤

1.3应用场景

二、代码实现

2.1关键函数

2.1.1 法线计算

2.1.2 基于法线进行采样

2.1.3 可视化原始点云和采样后的点云

2.2完整代码

三、实现效果

---

PCL点云算法汇总及实战案例汇总的目录地址链接：

PCL点云算法与项目实战案例汇总（长期更新）

---

一、概述

1.1原理

        法线空间采样 是一种基于点云法线信息的降采样方法，通过考虑点云表面的法线方向来选择代表性点。这种方法可以有效保持点云的几何形状和表面特征，特别适用于形状复杂的点云。

1.2实现步骤

1. 读取点云数据。
2. 计算点云的法线。
3. 根据法线信息进行采样，选择具有代表性的点。
4. 可视化原始点云和采样后的点云。

1.3应用场景

1. 点云简化：在保持表面特征的情况下减少点云的数据量。
2. 表面重建：通过法线信息保持点云表面的细节。
3. 特征提取：在复杂场景中提取关键特征点。

二、代码实现

2.1关键函数

2.1.1 法线计算

使用 pcl::NormalEstimation 类计算点云的法线。

#include <pcl/features/normal_3d.h>// 计算法线
pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimation;
normal_estimation.setInputCloud(cloud);  // 设置输入点云
normal_estimation.setRadiusSearch(0.03);  // 设置搜索半径
normal_estimation.compute(*normals);  // 计算法线

2.1.2 基于法线进行采样

通过法线信息对点云进行采样，选择法线方向上的代表性点。

pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 存储采样后的点云// 遍历法线，选择代表性点
for (size_t i = 0; i < normals->size(); ++i)
{// 根据法线方向和阈值选择代表性点if (normals->points[i].curvature > curvature_threshold)  // 设定阈值{sampled_cloud->points.push_back(cloud->points[i]);  // 添加采样点}
}
sampled_cloud->width = sampled_cloud->points.size();
sampled_cloud->height = 1;
sampled_cloud->is_dense = true;  // 确保点云是密集的

2.1.3 可视化原始点云和采样后的点云

使用 PCLVisualizer 可视化原始点云和基于法线的采样点云，设置背景为白色。

#include <pcl/visualization/pcl_visualizer.h>// 可视化原始点云和采样后的点云
void visualizePointClouds(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud)  // 下采样后的点云
{pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Normal Space Sample Viewer"));// 设置视口1，显示原始点云int vp_1;viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 白色背景viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 标题pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);// 设置视口2，显示采样后的点云int vp_2;viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_2);  // 白色背景viewer->addText("Sampled PointCloud", 10, 10, "vp2_text", vp_2);  // 标题pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sampled_color_handler(sampled_cloud, 255, 0, 0);  // 红色viewer->addPointCloud(sampled_cloud, sampled_color_handler, "sampled_cloud", vp_2);// 设置点的大小viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "sampled_cloud", vp_2);viewer->addCoordinateSystem(1.0);viewer->initCameraParameters();while (!viewer->wasStopped()){viewer->spinOnce(100);}
}

2.2完整代码

#include <iostream>
#include <pcl/io/pcd_io.h>
#include <pcl/point_types.h>
#include <pcl/features/normal_3d.h>
#include <pcl/visualization/pcl_visualizer.h>// 可视化原始点云和采样后的点云
void visualizePointClouds(pcl::PointCloud<pcl::PointXYZ>::Ptr cloud,  // 原始点云pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud)  // 下采样后的点云
{pcl::visualization::PCLVisualizer::Ptr viewer(new pcl::visualization::PCLVisualizer("Normal Space Sample Viewer"));// 设置视口1，显示原始点云int vp_1;viewer->createViewPort(0.0, 0.0, 0.5, 1.0, vp_1);  // 左侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_1);  // 白色背景viewer->addText("Original PointCloud", 10, 10, "vp1_text", vp_1);  // 标题pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> cloud_color_handler(cloud, 0, 255, 0);  // 绿色viewer->addPointCloud(cloud, cloud_color_handler, "original_cloud", vp_1);// 设置视口2，显示采样后的点云int vp_2;viewer->createViewPort(0.5, 0.0, 1.0, 1.0, vp_2);  // 右侧窗口viewer->setBackgroundColor(1.0, 1.0, 1.0, vp_2);  // 白色背景viewer->addText("Sampled PointCloud", 10, 10, "vp2_text", vp_2);  // 标题pcl::visualization::PointCloudColorHandlerCustom<pcl::PointXYZ> sampled_color_handler(sampled_cloud, 255, 0, 0);  // 红色viewer->addPointCloud(sampled_cloud, sampled_color_handler, "sampled_cloud", vp_2);// 设置点的大小viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 2, "original_cloud", vp_1);viewer->setPointCloudRenderingProperties(pcl::visualization::PCL_VISUALIZER_POINT_SIZE, 4, "sampled_cloud", vp_2);/*viewer->addCoordinateSystem(1.0);viewer->initCameraParameters();*/while (!viewer->wasStopped()){viewer->spinOnce(100);}
}int main(int argc, char** argv)
{// -----------------------------读取点云数据---------------------------------pcl::PointCloud<pcl::PointXYZ>::Ptr cloud(new pcl::PointCloud<pcl::PointXYZ>);if (pcl::io::loadPCDFile<pcl::PointXYZ>("China dragon.pcd", *cloud) == -1){PCL_ERROR("Couldn't read the PCD file!\n");return -1;}// -----------------------------计算法线---------------------------------pcl::PointCloud<pcl::Normal>::Ptr normals(new pcl::PointCloud<pcl::Normal>);pcl::NormalEstimation<pcl::PointXYZ, pcl::Normal> normal_estimation;normal_estimation.setInputCloud(cloud);normal_estimation.setRadiusSearch(0.005);  // 设置搜索半径normal_estimation.compute(*normals);  // 计算法线// -----------------------------法线空间采样---------------------------------pcl::PointCloud<pcl::PointXYZ>::Ptr sampled_cloud(new pcl::PointCloud<pcl::PointXYZ>);  // 存储采样后的点云// 设定曲率阈值float curvature_threshold = 0.01;  // 根据需要调整// 遍历法线，选择代表性点for (size_t i = 0; i < normals->size(); ++i){if (normals->points[i].curvature > curvature_threshold)  // 设定阈值{sampled_cloud->points.push_back(cloud->points[i]);  // 添加采样点}}sampled_cloud->width = sampled_cloud->points.size();sampled_cloud->height = 1;sampled_cloud->is_dense = true;  // 确保点云是密集的// -----------------------------可视化原始点云和采样后的点云---------------------------------visualizePointClouds(cloud, sampled_cloud);return 0;
}

三、实现效果